llmocrapi.comPanduan
Dokumentasi API OCR: Endpoint, Mode, dan Batas
Halaman ini berfungsi sebagai dokumentasi API OCR untuk pengembang yang menginginkan seluruh permukaan dalam satu tempat: dua endpoint, empat mode permintaan, batas, dan kesalahan. API membersihkan teks yang telah dihasilkan oleh mesin OCR; API tidak membaca gambar.
Diperbarui

Poin utama
- Dua metode ada: POST /v1/chat/completions dan GET /v1/models, diautentikasi dengan kunci Bearer.
- Streaming, mode JSON, dan pemanggilan fungsi mengikuti format chat OpenAI, dengan ID model uncensored.
- Batas: 8 permintaan paralel dan 300 per menit pada kunci penuh, 2 dan 60 pada kunci uji coba, body 8 MB.
- Kesalahan saat kelebihan beban adalah HTTP 429 dengan kode yang memberi tahu Anda untuk melambat atau mengurangi paralelisme.
Ikhtisar dan autentikasi
Layanan ini adalah API teks yang kompatibel dengan OpenAI dan di-hosting. Tujuan layanan ini di situs ini adalah separuh kedua dari pekerjaan OCR: mengambil string mentah yang dihasilkan mesin OCR dan mengembalikan teks bersih, bidang terstruktur atau baris yang ditandai. Input hanya teks. Tidak ada input atau output gambar, audio atau video, tidak ada embedding dan tidak ada fine-tuning.
Semuanya berada di bawah satu Base URL, https://api.llmocrapi.com/v1. Autentikasi adalah header Bearer standar: Authorization: Bearer YOUR_KEY. Anda membuat kunci di halaman kunci API setelah mendaftar dengan Google, atau dengan email dan kata sandi. Model di balik endpoint adalah model bobot terbuka tunggal yang dijalankan oleh penyedia independen. Ini bukan API resmi dari vendor model mana pun dan ini bukan router di antara vendor. ID-nya selalu uncensored.
Untuk panduan praktis sebagai pengganti referensi, quickstart di bagian dokumentasi mencakup langkah pertama permintaan secara bertahap.
Endpoint sekilas
| Metode dan jalur | Tujuan |
|---|---|
GET /v1/models | Daftar model yang tersedia. Gunakan sebagai pemeriksaan kunci murah. |
POST /v1/chat/completions | Menjalankan model pada daftar pesan. Mendukung streaming, mode JSON, dan alat. |
Itulah seluruh permukaan. Karena sesuai dengan format komunikasi OpenAI, pustaka klien apa pun yang memungkinkan Anda mengatur base URL dan kunci akan berfungsi. Pemeriksaan dasar tercepat adalah:
curl https://api.llmocrapi.com/v1/models \
-H "Authorization: Bearer $LLMOCR_API_KEY"
Kunci yang valid mengembalikan daftar model yang berisi uncensored. Kunci yang salah mengembalikan kesalahan autentikasi, yang memberi tahu Anda bahwa masalahnya adalah kunci dan bukan body permintaan Anda.
Parameter permintaan
Permintaan chat completion membutuhkan model dan messages. Bidang opsional di bawah ini diteruskan ke model.
temperaturedantop_p: kontrol pengambilan sampel. Untuk perbaikan OCR gunakantemperature0 sehingga input yang identik memberikan output yang identik.max_tokens: opsional. Jika Anda tidak menyetelnya, penyelesaian dapat menggunakan apa pun yang tersisa dari jendela 100.000 token setelah prompt Anda. Tetapkan ketika Anda menginginkan batas keras pada biaya per panggilan.stop: string yang mengakhiri generasi. Berguna ketika Anda meminta output antara penanda.seed: meningkatkan keterulangan di seluruh eksekusi.presence_penaltydanfrequency_penalty: diteruskan. Biarkan pada nol untuk pembersihan, karena penalti dapat mendorong model untuk mengubah kata-kata sah yang berulang seperti header tabel.stream,response_format,toolsdantool_choice: dibahas dalam tiga bagian berikutnya.
Jendela konteks menghitung prompt dan penyelesaian bersama-sama pada 100.000 token, dan body permintaan dapat mencapai 8 MB. Pada praktiknya, batas token tiba lebih dulu.
Respons streaming
Atur "stream": true dan API mengirim Server-Sent Events saat teks dihasilkan. Streaming membantu alat interaktif, seperti editor di mana seseorang melihat paragraf yang dibersihkan muncul. Penggunaan token dilaporkan di akhir aliran, sehingga Anda masih dapat mencatat biaya.
import os
from openai import OpenAI
client = OpenAI(base_url="https://api.llmocrapi.com/v1", api_key=os.environ["LLMOCR_API_KEY"])
stream = client.chat.completions.create(
model="uncensored",
stream=True,
messages=[{"role": "user", "content": "Fix this OCR text: th1s is a sam-\nple."}],
)
for chunk in stream:
if chunk.choices and chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="", flush=True)
if getattr(chunk, "usage", None):
print("\ntokens:", chunk.usage.prompt_tokens, chunk.usage.completion_tokens)
Satu detail mempengaruhi throughput. Permintaan streaming menempati slot konkurensinya hingga stream berakhir. Jika kode Anda berhenti membaca di tengah jalan dan membiarkan koneksi terbuka, slot itu tetap sibuk. Tutup stream secara eksplisit, atau konsumsi hingga akhir.
Mode JSON
Mode JSON meminta model untuk membalas dengan objek JSON alih-alih prosa. Aktifkan dengan response_format dan jelaskan kunci dalam instruksi Anda.
{
"model": "uncensored",
"temperature": 0,
"response_format": {"type": "json_object"},
"messages": [
{"role": "system", "content": "Return JSON with keys 'text' (cleaned string) and 'uncertain_lines' (array of integers)."},
{"role": "user", "content": "line one\nl1ne two\nline thr3e"}
]
}
Parse secara defensif. Mode JSON membentuk output, tetapi Anda harus tetap memvalidasi kunci dan jenis sebelum masuk ke database Anda. Jika respons terpotong oleh max_tokens, JSON mungkin tidak lengkap, sehingga tingkatkan batas atau kirim potongan yang lebih kecil.
Pemanggilan fungsi
Pemanggilan fungsi memungkinkan model meminta kode Anda untuk melakukan sesuatu alih-alih menulis prosa. Untuk pekerjaan OCR, penggunaan umum adalah mengembalikan perbaikan terstruktur: model memanggil fungsi dengan nomor baris dan penggantian, dan kode Anda menerapkannya. Tentukan alat dalam array tools, pilih perilaku dengan tool_choice, dan kembalikan hasil sebagai pesan dengan role: "tool". Saat streaming, panggilan alat tiba secara bertahap sebagai delta tool_calls.
tools = [{
"type": "function",
"function": {
"name": "replace_line",
"description": "Replace one line of the OCR text with a corrected version.",
"parameters": {
"type": "object",
"properties": {
"line": {"type": "integer"},
"text": {"type": "string"},
},
"required": ["line", "text"],
},
},
}]
resp = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": "1: The inven-\n2: tory was com1leted."}],
tools=tools,
tool_choice="auto",
)
for call in resp.choices[0].message.tool_calls or []:
print(call.function.name, call.function.arguments)
Argumen kembali sebagai string JSON. Parse, terapkan perubahan, dan jika Anda melanjutkan percakapan, lampirkan pesan asisten dan pesan role: "tool" dengan tool_call_id yang cocok. Pola ini menjaga token output tetap rendah, karena model hanya mengembalikan baris yang diubahnya.
Pengaturan yang sesuai untuk pembersihan teks
Referensi lebih berguna dengan titik awal yang direkomendasikan, jadi berikut adalah bagaimana parameter biasanya digabungkan untuk perbaikan OCR. Ini adalah saran berdasarkan bagaimana tugas berperilaku, bukan benchmark terukur.
- Perbaikan deterministik:
temperature0, tanpa penalti,seedtetap. Gunakan ini untuk arsip di mana Anda ingin eksekusi ulang menghasilkan output yang sama seperti kemarin. - Ekstraksi bidang:
temperature0,response_formatdiatur kejson_object, dan batasmax_tokenssedikit di atas objek terbesar yang Anda harapkan. - Tinjauan interaktif:
streamtrue dan prompt sistem singkat, sehingga editor melihat teks yang diperbaiki muncul dan dapat menghentikannya lebih awal. - Perbaikan tingkat baris: alat dengan fungsi gaya
replace_line, sehingga model hanya mengembalikan apa yang berubah.
Peran pesan mengikuti konvensi umum: system untuk instruksi tetap, user untuk teks OCR, assistant untuk balasan sebelumnya dalam sesi multi-gilir, dan tool untuk hasil fungsi. Masukkan instruksi ke dalam pesan sistem dan teks mentah ke dalam pesan pengguna. Jika teks OCR itu sendiri mengandung sesuatu yang terlihat seperti instruksi, seperti rambu yang dipindai yang mengatakan untuk mengabaikan teks sebelumnya, pemisahan ini memudahkan Anda untuk memberi tahu model bahwa pesan pengguna adalah data yang perlu diperbaiki dan bukan perintah yang harus diikuti. Sebutkan secara eksplisit dalam prompt sistem.
Simpan catatan nilai X-Request-Id untuk setiap panggilan. Ini adalah pengenal yang dibutuhkan dukungan jika satu halaman kembali salah dan Anda ingin itu diperiksa.
Batas, header, dan error
| Batas | Kunci penuh | Kunci uji coba |
|---|---|---|
| Permintaan konvergen | 8 | 2 |
| Permintaan per menit | 300 | 60 |
| Ukuran body maksimum | 8 MB | 8 MB |
| Jendela konteks | 100.000 token | 100.000 token |
Respons menyertakan X-Request-Id (sebutkan kepada dukungan), X-Balance-USD (sisa saldo Anda), X-RateLimit-Limit-Requests dan X-RateLimit-Limit-Concurrency.
Saat Anda melewati batas, API menjawab HTTP 429. Kode kesalahan rate_limited berarti terlalu banyak permintaan dalam satu menit, jadi sebar beban. Kode concurrency berarti terlalu banyak permintaan yang sedang diproses, jadi kurangi jumlah worker. 429 yang membawa header Retry-After: 5 menandakan kelebihan beban sementara: tunggu lima detik dan kirim lagi. Permintaan yang gagal dan ditolak tidak dikenakan biaya, sehingga loop percobaan ulang aman.
Penagihan per token: $0,15 per 1M input dan $0,50 per 1M output, diambil dari saldo prabayar yang tidak pernah kedaluwarsa. Lihat halaman harga untuk jumlah isi ulang dan bonus. Prompt tidak digunakan untuk pelatihan. Aturan konten adalah satu batas keras: tidak ada konten seksual yang melibatkan anak di bawah umur. Pertanyaan tentang kebijakan ditujukan ke dukungan.
Panduan lainnya
Tanya jawab
Endpoint apa saja yang ditawarkan API?
Dua: POST /v1/chat/completions untuk generasi dan GET /v1/models untuk daftar model. Keduanya menggunakan kunci Bearer yang sama.
Apakah ini mendukung streaming dan pemanggilan fungsi?
Ya. Atur stream menjadi true untuk SSE dengan penggunaan di akhir, dan gunakan tools serta tool_choice untuk pemanggilan fungsi, mengembalikan hasil sebagai pesan role tool.
Berapa ukuran input maksimum?
Jendela konteks adalah 100.000 token untuk prompt ditambah completion, dan body permintaan dapat berukuran hingga 8 MB.
Mengapa saya mendapatkan kesalahan 429?
Anda melebihi permintaan per menit (rate_limited), permintaan paralel (concurrency), atau mencapai kelebihan beban sementara, yang termasuk Retry-After: 5. Tunggu dan coba lagi.
Kunci Anda hanya selangkah lagi dari satu formulir
Buat akun, salin kunci, ubah Base URL. Itu saja seluruh proses pengaturannya.